MétaCan
Menu
Retour à la cohorte
Enregistrement W3154032894 · doi:10.22034/fr.2021.22065.1475

تاثیر ترکیب هیدروکلوئیدهای اینولین- ژلاتین و پلیدکستروز - ژلاتین بر خصوصیات رئولوژیکی و حسی ماست کمچرب پری بیوتیک

2021· article· fa· W3154032894 sur OpenAlexvenueno aff
محمدیار حسینی, فریبا لشکری, بابک قنبرزاده

Notice bibliographique

RevueJournal of Food Research · 2021
Typearticle
Languefa
DomaineEngineering
ThématiqueMilitary Technology and Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

با توجه به افزایش سطح آگاهی مردم در خصوص ارتباط بین مصرف زیاد چربی و بیماری‌هایی قلبی-عروقی، افزایش فشار خون، چاقی، و سرطان، تقاضا برای تولید فرآورده‌های لبنی کم‌چرب از جمله ماست، افزایش چشم‌گیری داشته است.ولی کاهش چربی، ویژگی‌های حسی و رئولوژیکی ماست را به گونه‌ای منفی تحت تاثیر قرار می‌دهد. از طرف دیگر، فیبرهای پری بیوتیک مانند اینولین و پلی دکستروز، علاوه بر داشتن خواص چربی سانی، دارای منافع تغذیه ای- درمانی بالایی می باشند. .بر این اساس، پژوهش پیش‌رو با هدف بهبود ویژگی‌های رئولوژیکی و حسی ماست کم‌چرب و تولید یک محصول فراسودمند با استفاده از اینولین (صفر، 2 و 3 درصد)، پلی‌دکستروز (صفر، 2 و 3 درصد) و ژلاتین (صفر و 5/0 درصد) به عنوان جایگزین چربی انجام شد. نتایج آنالیز آماری نشان داد که غلظت‌های مختلف اینولین و پلی‌دکستروز اثر معنی‌داری (05/0p ≤) بر pH و اسیدیته ندارند، اما میزان آب‌اندازی به صورت معنی‌داری (05/0p ≤) با افزایش غلظت اینولین و پلی‌دکستروز کاهش پیدا کرد. در این میان، افزودن غلظت ثابتی از ژلاتین به نمونه‌های مختلف حاوی اینولین یا پلی‌دکستروز سبب کاهش بیشتر آب‌اندازی شد. بررسی ویژگی‌های رئولوژیکی نشان داد که افزودن اینولین و پلی‌دکستروز سبب افزایش ویسکوزیته ظاهری، مدول ذخیره و مدول افت ماست کم‌چرب می‌شود و افزودن غلظت ثابتی از ژلاتین به نمونه‌ها سبب بهبود هرچه بیشتر ویژگی-های رئولوژیکی می‌شود. یافته‌های آماری ارزیابی حسی ماست کم‌چرب نشان داد که افزودن اینولین و پلی-دکستروز در کنار غلظت ثابتی از ژلاتین سبب بهبود پذیرش کلی ماست کم‌چرب می‌شود. یافته‌های این پژوهش بیانگر اثر مطلوب اینولین، پلی‌دکستروز در بهبود ویژگی‌های مختلف ماست کم‌چرب می‌باشد. ه

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0940,058

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,096
Tête enseignante GPT0,360
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetMilitary Technology and StrategiesTravaux en français237 207